时间序列生成.多维时间序列数据

Question

免责声明:数学家请不要因为我在这篇文章中使用了一些术语而生我的气。我是个工程师。:-)

背景:所以我目前正在研究一个问题，在这个问题中，我必须生成一个过程的时间序列序列，其中n个参与者在2d空间中移动。但我不知道这是否可能是由机器学习模型M学习的.The过程。

顺便说一下！我从来没有处理过时间序列数据，但是在没有序列的图像和信号模型的训练方面有很好的经验，所以我一直在阅读。

因此，为了开始尝试一些非常简单的东西，我从：这里获取了一个足球运动员位置数据集。我试图把它建模成一个监督学习问题，我试着预测n个玩家在时间戳T上的位置，假设在时间戳T1。但我很快意识到，这是行不通的，因为球员的位置也取决于球的位置和对手球员的位置。

无论如何，我的问题如下:- 1.如何对数据集进行建模？它仅仅是一个(Nx2xNo.Timestamps)类似于三维张量数据集(N对应于玩家).2表示x位和y位。而不是。作为最后一个维度的时间戳)？

1. 我把时间序列生成问题建模为监督学习问题的方法正确吗？
2. 我应该看哪些预处理步骤？另外，我如何处理丢失的值。
3. 我之所以放弃使用足球数据集的想法：再来一次，因为它只包含一支球队的位置。另一组队员没有戴传感器。当我读到一些关于ARIMA模型的东西时，我读到了一些外生变量也影响了这个过程。
4. 如果这一切都是可能的，我希望是的(因为不可能就是什么！)我该看什么模特？因为我最终要在一个完全不同的数据集中处理这个问题.我曾经有过训练神经网络模型的经验，比如CNN和ANNs，并且非常乐意使用神经网络，理想的情况下，我会在这里这样做。直到现在，我的研究已经指向了LSTMs，RNNs和ARIMA模型。

请指导我的同样，因为我是非常新的时间序列分析。

Answer 1

时间序列数据必须包含所有的观测结果，并带有某种标准的时间效应(这里有点明显)。如果我想在某些模型上测试理论&需要一些数据集，那么参数将是，时间戳*否。特征(包括玩家相对于源的位置)。二维张量就足够了。我不做3d张量的原因是，它会导致更复杂的场景，我将不得不将第3维(N的第一个维度)与预测的前二维相关联。更好的方法是简化位置&在一个行中，我可以有多个标签，因为每个位置对我的模型都很重要。

时间序列的生成通常属于连续预测，而先前的预测数据被认为是观测数据。我宁愿让它接受强化学习。是的，你可以在思想上和监督学习一起工作，但也可以尝试RL方法。

根据缺失的值，如果它们的数据量不超过10%-15%，我会说删除它们。在上述百分比上没有固定条。如果是更多，请填写内插或滚动平均(两者都对我有利)。Rest预处理取决于数据类型、规范化数据、删除异常值等.

是的，它会影响数据，但是您可以使用符号波的不同波动来生成数据，用于测试，或者使用任何其他函数来生成信号(喜鹊首选)。

目前，我正在测试我的时间序列的双向lstm - CNN组合，是的，阿里玛是好的，但做一点点这个呼气不会有伤害。我想说的是CNN--时间序列的任何RNN组合。

希望这能有所帮助。